边缘检测技术及比较.ppt

;主 要 内 容; 边缘检测是图像处理和模式识别领域的基本课题，边缘提取与检测在图像处理中占有很重要的地位，其算法的优劣直接影响着所研制系统的性能。经过人们长期的研究，已经提出了很多种不同的边缘检测方法。这些方法各有其特点，同时也都存在着各自的局限性和不足之处，因此图像的边缘检测这个领域还有待于进一步的改进和发展。; 在数学上，经典的边缘检测算子都是基于微分算子的，微分算子分为一阶和二阶的。 常见的边缘类型有阶跃型、斜坡型、线状型和屋顶型四种。以斜坡型边缘为例，在灰度斜坡的起点和终点，一阶导数均有一个阶跃，斜坡处为常数，其余为零；二阶导数在斜坡起点产生一个向上脉冲，在终点产生一个向下脉冲，其余为零。因此通过一阶导数可以确定斜坡型边缘，而通过二阶导数可以确定边缘的过零点，即边缘的中心位置。; 依托该理论，研究人员提出的一阶微分边缘检测算子有：Roberts边缘检测算子、Sobel边缘检测算子、Prewitt边缘检测算子、Krisch边缘检测算子等。 ; 依托该理论，研究人员提出的二阶微分边缘检测算子有：拉普拉斯算子、LOG算子等;;;;; 最简单的各向同性的二阶微分算子是拉普拉斯算子，一个二维图像f(x,y)的拉普拉斯微分算子写成图像处理运算模板的形式为：;; 将高斯滤波和拉普拉斯边缘检测结合在一起，构成LOG（Laplacian of Gaussian，LOG）算法 ，也称之为拉普拉斯高斯算法。 二维高斯平滑函数表示如下：;LOG算子常用5×5模板的为：; Canny边缘检测算子是在数字图像处理中广泛应用的边缘算子，它是应用变分原理推导出的一种用高斯模板导数逼近的最优算子通过Canny算子的应用，可以计算出数字图像的边缘强度和边缘梯度方向，为后续边缘点判断提供依据，其计算表达式为：; 当一个像素满足以下 3 个条件时，则认为是图像的边缘点： (1) 该点的边缘强度大于沿该点梯度方向的两个相邻像素点的边缘强度； (2) 与该点梯度方向上相邻两点的方向差小于45度； (3) 以该点为中心的 3×3 领域中的边缘强度极大值小于某个阈值。 条件（1）（2）的作用是将在梯度方向上的两个相邻像素从候选边缘点中剔除，条件（3）的作用是消除虚假的边缘点。; Hough变换（HT）是一种线性描述方法，也是一种实现图像边缘检测的有效方法，HT最明显的优点就是抗干扰性强，便于做并行处理，缺点就是需要很大的存储空间和计算时间。目前，已有多种改进的HT方法，包括递归地细分参数空间的快速Hough变换（FHT）、逐步增加参数空间分辨率的自适应Hough变换（AHT）、利用图像梯度信息减少计算量的方法等。;1.Roberts边缘检测算子是一种利用局部差分算法寻找边缘 的算子，边缘定位精度较高，但容易丢失一部分边缘，同 时由于没经过图像平滑计算，因此不能抑制噪声，而且提 取边缘细节的能力比较弱,该算子对具有陡峭的低噪声图像 响应最好。 2.Sobel算子，Prewitt算子以及Krisch算子是利用3×3的模板作为核与图像中的每个像素点做卷积运算，然后选取合适的阈值以提取边缘。Sobel算子和Prewitt算子都是对图像进行差分和滤波运算，差别只是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现伪边缘，同时这两个算子边缘定位比较准确和完整，但容易出现边缘变宽，该类算子适合检测灰度渐变的低噪声图像；;3.Krisch算子对8个方向边缘信息进行检测，因此具有较好的边缘定位能力，并且对噪声有一定的抑制作用，就边缘定位能力和抗噪声能力来说，该算子的效果比较理想；但Krisch算子和LOG算子提取出的边缘和细节都比较多，能够提取出对比度弱的边缘，也正因如此，受噪声的影响较大，虚假边缘较多，边缘较粗。 4.LOG算子首先通过高斯函数对图像作平滑处理，因此对噪声的抑制作用比较明显，但同时也可能将原有的边缘也平滑了，造成某些边缘无法检测到。此外高斯函数中方差参数σ的选择，对图像边缘检测效果有很大的影响。σ越大，检测到的图像细节越丰富，但对噪声抑制能力相对下降，易出现伪边缘，反之则抗噪声性能提高，但边缘定位准确性下降，易丢失许多真边缘，因此，对于不同图像应选择不同参数；; 而且LOG算法是二阶微分算法，其分析是建立在图像的一阶微分预处理结果之上的。我们可以用任何一种一阶微分算法对图像进行预处理，而Sobel算法得到的边缘较Canny算法粗，更便于随后的二阶分析。 5.Canny算子同样采用高斯函数对图像作平滑处理，因此具有较强的去噪能力，能比较完美的检测出物体的边缘，但同样存在容易平滑掉一些边缘信息，其后所采用的一阶微分算子的方向性较M-H算子要好，因此??